我國(guó)專利數(shù)據(jù)中發(fā)明家姓名消歧算法研究.pdf

1、專利大數(shù)據(jù)已成為國(guó)內(nèi)外科學(xué)研究、商業(yè)情報(bào)分析以及精準(zhǔn)創(chuàng)新創(chuàng)業(yè)的重要基礎(chǔ)性資源，實(shí)現(xiàn)專利數(shù)據(jù)高質(zhì)量的數(shù)據(jù)清洗目標(biāo)以提高對(duì)該資源的利用效率具有重要意義。然而，由于漢字及其輸入法特性，我國(guó)專利數(shù)據(jù)中的著錄項(xiàng)信息清洗存在其特有的難點(diǎn)，其中發(fā)明家姓名消歧是最急需解決的關(guān)鍵性問題。在使用漢字輸入法向?qū)＠麛?shù)據(jù)庫(kù)中輸入專利信息時(shí)，可能把專利數(shù)據(jù)中的發(fā)明家名字輸入錯(cuò)誤而產(chǎn)生姓名歧義（同音字和形近字歧義），從而導(dǎo)致專利數(shù)據(jù)質(zhì)量的降低。在以專利創(chuàng)新為背景的前

2、提下，一些高科技創(chuàng)新企業(yè)可能因?yàn)閷＠麛?shù)據(jù)質(zhì)量的降低而影響對(duì)優(yōu)秀發(fā)明家的培養(yǎng)、辨別和他們之間的合作關(guān)系考察，從而會(huì)弱化資源的合理配置功能。
　　應(yīng)用專利數(shù)據(jù)中發(fā)明家信息做專利數(shù)據(jù)分析時(shí)，首先需要對(duì)發(fā)明家姓名的歧義進(jìn)行檢查和糾正。因?yàn)閷＠麛?shù)據(jù)中發(fā)明家名字的含糊性為實(shí)現(xiàn)高質(zhì)量的數(shù)據(jù)清洗目標(biāo)產(chǎn)生障礙，從而會(huì)導(dǎo)致企業(yè)的準(zhǔn)確性決策、低成本投入、研發(fā)方向選擇產(chǎn)生一定的偏差。對(duì)于專利信息中發(fā)明家姓名歧義問題，國(guó)外研究已經(jīng)比較成熟，形成了形形色色的

3、發(fā)明家消歧算法，但是對(duì)于中文發(fā)明家姓名消歧的研究鮮有涉及，由于中英文語(yǔ)言文字在邏輯結(jié)構(gòu)、詞語(yǔ)分布特征以及使用習(xí)慣等方面有著較大差異，國(guó)外專利數(shù)據(jù)清洗算法已不能夠適用于中文專利數(shù)據(jù)中發(fā)明家信息的清洗需求。
　　本文通過對(duì)國(guó)內(nèi)外姓名消歧以及英文發(fā)明家姓名消歧算法的回顧，主要從中國(guó)漢字的特殊性出發(fā)，設(shè)計(jì)了一套高效、科學(xué)的姓名消歧算法來解決中國(guó)專利數(shù)據(jù)中存在的發(fā)明家歧義。主要貢獻(xiàn)是基于專利著錄項(xiàng)組合相似度的發(fā)明家姓名消歧算法和基于綜合集成